神经网络工具箱函数
按字母顺序列表
按类别
深度学习
卷积神经网络
trainingOptions |
选择训练神经网络 |
trainNetwork |
火车一个卷积网络 |
imageInputLayer |
图像输入层 |
convolution2dLayer |
卷积的层 |
reluLayer |
修正线性单元(ReLU)层 |
crossChannelNormalizationLayer |
Channel-wise当地反应正常化层 |
averagePooling2dLayer |
平均池层对象 |
maxPooling2dLayer |
马克斯池层 |
fullyConnectedLayer |
完全连接层 |
dropoutLayer |
辍学层 |
softmaxLayer |
Softmax卷积神经网络层 |
classificationLayer |
创建一个分类输出层 |
regressionLayer |
创建一个回归输出层 |
激活 |
计算卷积神经网络层激活 |
预测 |
使用一个训练有素的卷积神经网络预测的反应 |
分类 |
使用一个训练有素的卷积神经网络分类数据 |
deepDreamImage |
可视化网络特性使用深梦 |
alexnet |
Pretrained AlexNet卷积神经网络 |
vgg16 |
Pretrained VGG-16卷积神经网络 |
vgg19 |
Pretrained VGG-19卷积神经网络 |
importCaffeLayers |
从咖啡进口卷积神经网络层 |
importCaffeNetwork |
从咖啡进口pretrained卷积神经网络模型 |
SeriesNetwork |
系列网络类 |
TrainingOptionsSGDM |
培训选择随机梯度下降的势头 |
层 |
网络层 |
ImageInputLayer |
图像输入层 |
Convolution2DLayer |
卷积的层 |
ReLULayer |
修正线性单元(ReLU)层 |
CrossChannelNormalizationLayer |
Channel-wise当地反应正常化层 |
AveragePooling2DLayer |
平均池层对象 |
MaxPooling2DLayer |
马克斯池层 |
FullyConnectedLayer |
完全连接层 |
DropoutLayer |
辍学层 |
SoftmaxLayer |
Softmax卷积神经网络层 |
ClassificationOutputLayer |
分类输出层 |
RegressionOutputLayer |
回归输出层 |
Autoencoders
Autoencoder |
Autoencoder类 |
trainAutoencoder |
火车一个autoencoder |
trainSoftmaxLayer |
训练softmax层进行分类 |
解码 |
解码编码的数据 |
编码 |
编码输入数据 |
generateFunction |
生成一个运行autoencoder MATLAB函数 |
generate金宝appSimulink |
生成一个autoenc金宝appoder仿真软件模型 |
网络 |
Autoencoder对象转换成网络对象 |
plotWeights |
画一个可视化的权重autoencoder的编码器 |
预测 |
使用训练autoencoder重建的输入 |
堆栈 |
从几个autoencoders堆栈编码器在一起 |
视图 |
视图autoencoder |
函数逼近和非线性回归
nnstart |
神经网络开始GUI |
视图 |
把神经网络 |
fitnet |
神经网络函数拟合 |
feedforwardnet |
前馈神经网络 |
cascadeforwardnet |
Cascade-forward神经网络 |
火车 |
训练神经网络 |
trainlm |
Levenberg-Marquardt反向传播 |
trainbr |
贝叶斯正则化反向传播 |
trainscg |
按比例缩小的共轭梯度反向传播 |
trainrp |
有弹性的反向传播 |
均方误差 |
均方归一化误差性能函数 |
回归 |
线性回归 |
ploterrhist |
情节错误直方图 |
plotfit |
情节功能适合 |
plotperform |
情节网络性能 |
plotregression |
情节线性回归 |
plottrainstate |
情节训练状态值 |
genFunction |
为模拟神经网络生成MATLAB函数 |
模式识别和分类
Autoencoder |
Autoencoder类 |
nnstart |
神经网络开始GUI |
视图 |
把神经网络 |
trainAutoencoder |
火车一个autoencoder |
trainSoftmaxLayer |
训练softmax层进行分类 |
解码 |
解码编码的数据 |
编码 |
编码输入数据 |
预测 |
使用训练autoencoder重建的输入 |
堆栈 |
从几个autoencoders堆栈编码器在一起 |
网络 |
Autoencoder对象转换成网络对象 |
patternnet |
模式识别网络 |
lvqnet |
学习矢量量化神经网络 |
火车 |
训练神经网络 |
trainlm |
Levenberg-Marquardt反向传播 |
trainbr |
贝叶斯正则化反向传播 |
trainscg |
按比例缩小的共轭梯度反向传播 |
trainrp |
有弹性的反向传播 |
均方误差 |
均方归一化误差性能函数 |
回归 |
线性回归 |
中华民国 |
接受者操作特性 |
plotconfusion |
情节分类混淆矩阵 |
ploterrhist |
情节错误直方图 |
plotperform |
情节网络性能 |
plotregression |
情节线性回归 |
plotroc |
接受者操作特征图 |
plottrainstate |
情节训练状态值 |
crossentropy |
神经网络的性能 |
genFunction |
为模拟神经网络生成MATLAB函数 |
聚类
自组织映射
nnstart |
神经网络开始GUI |
视图 |
把神经网络 |
selforgmap |
自组织映射 |
火车 |
训练神经网络 |
plotsomhits |
情节自组织映射示例 |
plotsomnc |
情节自组织映射的邻居连接 |
plotsomnd |
情节自组织映射的邻居的距离 |
plotsomplanes |
情节自组织映射飞机重量 |
plotsompos |
情节自组织映射重量的位置 |
plotsomtop |
情节自组织映射拓扑 |
genFunction |
为模拟神经网络生成MATLAB函数 |
竞争层
competlayer |
竞争层 |
视图 |
把神经网络 |
火车 |
训练神经网络 |
trainru |
无人监督的随机顺序重量/偏差培训 |
learnk |
Kohonen重量学习函数 |
learncon |
良心偏见学习函数 |
genFunction |
为模拟神经网络生成MATLAB函数 |
时间序列和动态系统
与NARX和时滞网络的建模和预测
nnstart |
神经网络开始GUI |
视图 |
把神经网络 |
timedelaynet |
时间延迟神经网络 |
narxnet |
非线性自回归神经网络与外部输入 |
narnet |
非线性自回归神经网络 |
layrecnet |
层递归神经网络 |
distdelaynet |
分布式网络延迟 |
火车 |
训练神经网络 |
gensim |
为神经网络模拟生成金宝app模型块 |
adddelay |
添加延迟神经网络响应 |
removedelay |
消除神经网络延迟的反应 |
closeloop |
将神经网络开环闭环反馈 |
openloop |
将神经网络开环闭环反馈 |
ploterrhist |
情节错误直方图 |
plotinerrcorr |
分析输入错误时间序列的互相关 |
plotregression |
情节线性回归 |
plotresponse |
情节动态网络时间序列响应 |
ploterrcorr |
误差自相关时间序列 |
genFunction |
为模拟神经网络生成MATLAB函数 |
创建模型模型金宝app
gensim |
为神经网络模拟生成金宝app模型块 |
setsiminit |
建立神经网络模型块初始条件金宝app |
getsiminit |
得到神经金宝app网络模型块初始输入和层延迟的状态 |
sim2nndata |
转换模型时间序列金宝app神经网络数据 |
nndata2sim |
将神经网络模型时间序列数据金宝app |
定义神经网络架构
网络 |
创建自定义神经网络 |
这个主题有帮助吗?